인구 위기 해소를 위한 계층형 폴리아모리 시뮬레이션 프레임워크

본 논문은 2020년대에 급격히 낮아지는 출산율과 남성의 성적 고립 현상이 동시 발생하고 있다는 사회적 사실을 출발점으로 삼는다. 중국·한국 등 동아시아 국가들의 총출산율(TFR)이 1.0 이하로 떨어진 반면, 여성은 경제적 독립과 높은 교육 수준으로 인해 전통적 결혼·출산 모델에 회의적이며, 저소득 남성은 성적 기회가 제한돼 심리적·사회적 고통을 겪고 있다. 기존의 출산 장려 정책은 단기적 효과에 머물러 인구 구조 변화를 근본적으로 바꾸지 못한다는 점을 지적한다. 이에 저자는 ‘계층형 폴리아모리 시스템(SPS)’이라는 새로운 제도를 제안한다. SPS는 개인이 1명의 ‘주 배우자’와 제한된 수의 ‘보조 파트너’를 법적으로 인정받으며, 자녀 양육과 상속을 공동화한다. 이를 통해 여성은 다수의 파트너로부터 경제적·육아 지원을 받을 수 있고, 남성은 성적 파트너를 확보함으로써 ‘성적 고립’ 문제를 완화한다. 제도 설계는 A/B/C 세 계층(경제·사회적 지위에 따라 구분)으로 이질적인 에이전트를 정의하고, 각 에이전트는 ‘가치(v), 자원(r), 가임력(f), 사회적 자본(s)’이라는 네 가지 속성을 가진다. 모델링 방법론은 세 가지 핵심 기술을 결합한다. 첫째, 에이전트 기반 모델링(ABM)을 통해 개별 행위자와 사회적 규칙을 구현한다. 둘째, 매칭 과정을 다중 에이전트 강화학습(MARL)으로 모델링하고, 정책 최적화 알고리즘으로 Proximal Policy Optimization(PPO)를 적용한다. PPO는 정책 업데이트 시 급격한 변화를 억제해 학습 안정성을 높이며, 복잡한 매칭 보상 구조를 다루기에 적합하다. 셋째, 전체 매칭 네트워크를 그래프 신경망(GNN)으로 분석해 네트워크 중심성, 클러스터링, 연결 강도 등을 정량화한다. 또한, 대형 언어 모델(LLM)을 활용해 가상의 문화적 규범, 정책 토론, 인터뷰 등을 생성함으로써 시뮬레이션 환경을 보다 현실감 있게 만든다. 실험에서는 1,000명의 가상 인구를 A/B/C 계층에 따라 배치하고, 각 에이전트가 PPO 기반 정책을 통해 파트너를 탐색·매칭한다. 결과는 세 가지 주요 지표에서 기존 일처제 모델보다 우수함을 보인다. 첫째, 여성의 출산 비용 페널티가 감소해 출산 의사가 상승한다. 둘째, 남성의 성적 파트너 확보율이 크게 늘어나 ‘성적 고립’ 비율이 감소한다. 셋째, 전체 사회 복지 지표(소득, 교육, 건강)가 파레토 효율성 기준에서 개선된다. 그래프 분석 결과, 매칭 네트워크의 평균 경로 길이가 짧아지고 클러스터링 계수가 증가해 사회적 연결망이 강화되는 양상이 관찰되었다. 하지만 저자는 연구의 제한점을 솔직히 인정한다. 현재 시뮬레이션은 단순화된 보상 함수와 제한된 인구 규모에 기반해 있으며, 장기적인 인구 동태(세대 교체, 인구 고령화)와 문화적 저항을 충분히 반영하지 못한다. 또한, LLM이 생성하는 텍스트는 편향을 내포할 가능성이 있어 정책 설계에 직접 활용될 경우 부작용이 우려된다. 법제화 과정에서 가족법·상속법·세법 등 기존 제도와의 충돌, 그리고 인간의 성을 시장화한다는 윤리적 논란도 존재한다. 결론적으로, 논문은 최신 AI 기술을 사회제도 설계에 적용하는 혁신적 시도를 보여준다. SPS가 이론적으로는 여성의 출산 장벽을 낮추고 남성의 성적 불균형을 해소함으로써 인구 위기에 대한 새로운 해결책을 제시한다. 그러나 실제 정책 적용을 위해서는 보다 정교한 데이터 기반 검증, 다중 시나리오 시뮬레이션, 윤리·법적 검토, 그리고 사회적 합의를 위한 포괄적 논의가 필수적이다. 향후 연구는 이러한 요소들을 보강해 SPS의 실현 가능성을 평가하고, 다른 문화권에 대한 적용 가능성도 탐색해야 할 것이다.